گره TextEncodeQwenImageEditPlus، پرامپت‌های متنی و تصاویر اختیاری را پردازش می‌کند تا داده‌های شرطی‌سازی (conditioning) برای وظایف تولید یا ویرایش تصویر ایجاد کند. این گره از یک الگوی تخصصی برای تحلیل تصاویر ورودی و درک نحوه اعمال دستورات متنی بر روی آن‌ها استفاده می‌کند، سپس این اطلاعات را برای استفاده در مراحل بعدی تولید، رمزگذاری می‌کند. این گره می‌تواند تا سه تصویر ورودی را مدیریت کند و در صورت ارائه VAE، به‌صورت اختیاری لیتنت‌های مرجع (reference latents) تولید کند.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | الزامی | محدوده |
| --- | --- | --- | --- | --- |
| `clip` | مدل CLIP مورد استفاده برای توکن‌سازی و رمزگذاری | CLIP | بله | - |
| `پرامپت` | دستور متنی توصیف‌کننده تغییر مورد نظر در تصویر (پشتیبانی از ورودی چندخطی و پرامپت‌های پویا) | STRING | بله | - |
| `vae` | مدل VAE اختیاری برای تولید لیتنت‌های مرجع از تصاویر ورودی | VAE | خیر | - |
| `تصویر ۱` | اولین تصویر ورودی اختیاری برای تحلیل و تغییر | IMAGE | خیر | - |
| `تصویر ۲` | دومین تصویر ورودی اختیاری برای تحلیل و تغییر | IMAGE | خیر | - |
| `تصویر ۳` | سومین تصویر ورودی اختیاری برای تحلیل و تغییر | IMAGE | خیر | - |

**نکته:** هنگامی که یک VAE ارائه می‌شود، گره از تمام تصاویر ورودی لیتنت‌های مرجع تولید می‌کند. این گره می‌تواند همزمان تا سه تصویر را پردازش کند. تصاویر به‌طور خودکار برای پردازش زبان-بینایی به اندازه ۳۸۴×۳۸۴ پیکسل و برای رمزگذاری VAE به ابعادی که بر ۸ بخش‌پذیر هستند (با مساحت هدف ۱۰۲۴×۱۰۲۴ پیکسل) تغییر اندازه می‌دهند.

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `CONDITIONING` | داده‌های شرطی‌سازی رمزگذاری‌شده شامل توکن‌های متنی و لیتنت‌های مرجع اختیاری برای تولید تصویر | CONDITIONING |

> این مستند با هوش مصنوعی تهیه شده است. اگر خطایی دیدید یا پیشنهادی برای بهبود دارید، خوشحال می‌شویم مشارکت کنید! [ویرایش در GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/TextEncodeQwenImageEditPlus/fa.md)

---
**Source fingerprint (SHA-256):** `54889d9a3b70e41d623020f3fd5e3c798c72799492c67a9efd99f543c88bb968`